II.6Документация и сопровождение разработки

Gensyn распространяет эту модель для использования в RL Swarm и локального дообучения методом peer-to-peer обучения с подкреплением. Согласно карточке, репозиторий содержит неизменённую инструкционную версию Qwen2.5 с 1,5 млрд параметров, построенную на архитектуре причинной языковой модели Qwen2; она использует RoPE, SwiGLU, RMSNorm, смещение в QKV-внимании и связанные эмбеддинги слов. Модель принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. В метаданных указан английский язык. После дообучения модель можно использовать в обычных сценариях генерации текста. Лицензия — Apache-2.0.

Pancrasanicet/Qwen2.5-1.5B-Instruct-Gensyn-Swarm-leggy_shaggy_vulture — компактная текстовая генеративная модель из семейства Qwen2.5, опубликованная на Hugging Face пользователем Pancrasanicet. Модель имеет 1,5 млрд параметров, предназначена для работы через библиотеку Transformers и поддерживает контекст до 32 768 токенов. В метаданных она связана с RL-Swarm, GenRL-Swarm, GRPO и Gensyn, что указывает на использование или публикацию в контексте распределённого обучения с подкреплением; подробности обучения и разработчика в карточке не приведены. Модель можно применять для генерации продолжений текста, диалоговых ответов, черновиков и других задач, совместимых с text-generation и инструкционным режимом. Языки, точные архитектурные характеристики, датасеты, результаты оценки и условия лицензирования в доступных данных не описаны. Из-за отсутствия полноценной документации и бенчмарков результаты следует проверять, особенно при использовании в чувствительных или специализированных сценариях.

thirdeyeai опубликовал инструкционно дообученную текстовую модель генерации на основе Qwen2.5-Coder-1.5B-Instruct. Она предназначена для диалогового взаимодействия и генерации текста; в метаданных также указаны интерфейс вызова инструментов, 1,5 млрд параметров, архитектура Qwen2 с плотной сетью, библиотека Transformers и контекст до 32 768 токенов. Карточка Hugging Face автоматически сгенерирована и не описывает конкретные сценарии применения, языки обучения или проведённые оценки качества. Лицензия в доступной карточке не указана.

Карточка модели tayaee/Qwen2.5-1.5B-Korean-DPO-smoke на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-1.5B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы, создание длинных текстов и выдачу структурированных результатов, например JSON. Модель имеет плотную архитектуру причинного трансформера Qwen2 с RoPE, SwiGLU и RMSNorm и содержит 1,5 млрд параметров. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. Карточка описывает поддержку более 29 языков, включая русский и английский; метаданные указывают английский как язык карточки. Модель загружается через Transformers и распространяется по лицензии Apache-2.0. Среди сильных сторон — следование инструкциям, работа с длинными текстами и структурированными данными, а также интерфейс для вызова инструментов. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями; оценочные результаты для этой конкретной версии в карточке не приведены.

Модель famepram/qwen2.5-1b — дообученная языковая модель семейства Qwen2, разработанная famepram на основе unsloth/qwen2.5-1.5b-bnb-4bit. Она предназначена для генерации текста; карточка не уточняет специализацию дообучения или конкретные сценарии применения. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Нативная длина контекста — 131 072 токена. Для обучения применялись Unsloth и библиотека TRL. В метаданных указан английский язык. Модель распространяется по лицензии Apache 2.0. Карточка не приводит результатов оценки качества или сведений о специальных ограничениях, поэтому её пригодность для конкретных задач следует проверять на собственных данных.

Qwen2.5-32B-Instruct-abliterated — модифицированная методом abliteration версия диалоговой модели Qwen2.5-32B-Instruct от huihui-ai. Это плотная авторегрессионная модель класса Qwen2ForCausalLM с 32 млрд параметров, рассчитанная на генерацию текста и диалог. Она принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов и многоязычную работу, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Модель предназначена для чат-ботов, свободных текстовых ответов и интеграции в приложения через Transformers; карточка также описывает запуск через Ollama. Abliteration изменяет поведение отказов и делает модель менее ограниченной при ответах. Базовая модель Qwen2.5-32B-Instruct поддерживает диалог, программирование, математику и структурированные ответы, однако README не приводит отдельных оценок качества этой модификации. Модель распространяется под лицензией Apache-2.0.

unsloth/Qwen2.5-3B — версия базовой языковой модели Qwen2.5, опубликованная Unsloth и предназначенная для генерации текста и дальнейшей адаптации. Это плотная авторегрессионная модель архитектуры Qwen2 с 3,1 млрд параметров; репозиторий содержит веса Safetensors для Transformers. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и многоязычную работу, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Базовая Qwen2.5 рассчитана на продолжение текста и может служить основой для дообучения под код, математику, структурированные данные и другие задачи. В README отдельно отмечено, что базовую модель не рекомендуют использовать для диалогов без последующего обучения, например SFT или RLHF. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

mlx-community/Qwen2.5-3B-Instruct-8bit — преобразованная в формат MLX 8-битная версия Qwen2.5-3B-Instruct от Qwen, подготовленная сообществом mlx-community с помощью mlx-lm 0.18.1. Это плотная авторегрессионная языковая модель семейства Qwen2, содержащая около 3,1 млрд параметров и рассчитанная на генерацию текста и диалоговое использование; метаданные также отмечают интерфейс вызова инструментов. Контекст модели составляет до 32 768 токенов. README описывает запуск через mlx-lm, поэтому модель ориентирована на экосистему MLX. Модель подходит для диалоговых ответов, продолжения текста и других задач генерации. В карточке указан английский язык; подтверждений поддержки других языков в предоставленных данных нет. Репозиторий содержит safetensors. Лицензия обозначена как other, поэтому условия использования следует сверять с карточкой модели и базовой модели.

MildConcussion/Qwen2.5-3B-Instruct-abliterated-16bit-GRPO — дообученная MildConcussion модель семейства Qwen2 на базе MildConcussion/Qwen2.5-3B-Instruct-abliterated. Это плотная причинно-языковая модель с 3,1 млрд параметров для генерации текста и диалогового общения; в метаданных также заявлен интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL, а в репозитории представлены веса Safetensors. Модель принимает текст и генерирует текст. Указанный родной размер контекста — 32 768 токенов; в языковых тегах карточки указан английский. Репозиторий распространяется по лицензии Apache-2.0. Данных о качестве, обучающих данных и конкретных ограничениях применения README не содержит.

Qwen2.5-3B-Instruct-GGUF — набор GGUF-квантизаций инструкционной языковой модели Qwen2.5-3B-Instruct. Квантизации подготовлены пользователем bartowski с помощью llama.cpp и imatrix; исходная модель опубликована под именем Qwen/Qwen2.5-3B-Instruct. Модель предназначена для генерации текста и диалоговых сценариев, включая использование в локальных приложениях через llama.cpp и LM Studio. Доступны варианты от полноразмерного F16 до более компактных форматов Q8_0, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством ответов и требованиями к памяти. Размер файлов составляет примерно от 1,35 до 6,18 ГБ. Указан английский язык; сведения о других языках, архитектуре и размере контекста в README отсутствуют. Для работы следует использовать шаблон сообщений Qwen с ролями system, user и assistant. Сильная сторона набора — широкий выбор уровней квантизации, включая варианты, оптимизированные для ARM, а также imatrix-квантизации с акцентом на сохранение качества. Более компактные варианты требуют меньше памяти, но могут заметно уступать старшим форматам по качеству; некоторые низкобитные версии прямо обозначены как низкокачественные или нерекомендуемые. Лицензия указана как qwen-research с отдельной лицензией исходной модели.

Qwen2.5-3B-Instruct-GGUF — квантованная GGUF-версия языковой модели Qwen2.5-3B-Instruct, разработанной Qwen и подготовленной Second State Inc. Модель предназначена для генерации текста и диалоговых сценариев, включая чат-приложения и развёртывание как локального или серверного сервиса через LlamaEdge. Указан английский язык; модальность — текстовая. Модель содержит около 3 млрд параметров и использует шаблон запросов ChatML. Максимальный размер контекста в конфигурации LlamaEdge составляет 32 000 токенов. Доступны варианты квантования от 2 до 8 бит, f16 и несколько схем GGUF; рекомендуемыми в README названы Q4_K_M, Q5_K_M и Q5_K_S. Квантование уменьшает требования к памяти, однако низкобитные варианты могут заметно терять в качестве, тогда как f16 занимает около 3,09 ГБ. Сильными сторонами модели являются компактный размер, широкий выбор уровней квантования и возможность запуска через LlamaEdge версии 0.14.3 и выше. README не приводит результатов оценки, сведений об архитектуре, кроме формата GGUF и совместимости с LlamaEdge, а также не описывает дополнительные языки или мультимодальные возможности. Модель распространяется по лицензии qwen-research; условия следует уточнять в указанном лицензионном документе Qwen.

bunnycore/Qwen2.5-3B-RP-Thinker — языковая модель, созданная автором репозитория слиянием нескольких предварительно обученных моделей методом TIES через mergekit. В основе Qwen/Qwen2.5-3B-Instruct; также объединены bunnycore/Qwen2.5-3B-RP-Mix, Spestly/Athena-1-3B и PowerInfer/SmallThinker-3B-Preview. Модель предназначена для генерации текста в диалогах и выполнения инструкций. Она построена на архитектуре Qwen2, содержит 3,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В репозитории указаны формат safetensors и библиотека Transformers; в оценке Open LLM Leaderboard приведены результаты по IFEval и BBH. Карточка не сообщает языковой состав и специальные прикладные области. Лицензия в доступных данных не указана, поэтому условия использования по ним определить нельзя; результаты оценок не гарантируют качество для конкретных запросов.

Модель homeb82784/qwen2.5-7b-instruct-cpt-v4.0 — дообученная авторегрессионная языковая модель семейства Qwen2, разработанная homeb82784 на основе unsloth/qwen2.5-7b-instruct-bnb-4bit. Она предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Данные карточки не описывают специализацию дообучения, поэтому конкретные преимущества или качество в отдельных областях установить нельзя; заявленная поддержка языка — английский.

Qwen2.5-7B-Instruct-IMat-GGUF — это квантизированная GGUF-версия языковой модели Qwen2.5-7B-Instruct, разработанной командой Qwen. Дистрибутив подготовлен пользователем legraphista с помощью llama.cpp версии b3785 и предназначен для локального запуска и генерации текста, включая чатовые сценарии. В README указана поддержка английского языка и текстовая модальность. Модель содержит около 7 млрд параметров и основана на исходных весах в формате BF16. Доступны варианты от BF16 и F16 до различных уровней квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-серий, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Для ряда вариантов квантизации применена IMatrix-калибровка, призванная улучшить сохранение качества при уменьшении точности. Размер файлов варьируется примерно от 3,02 до 15,24 ГБ. Сильная сторона модели — возможность локального использования в широком диапазоне аппаратных конфигураций благодаря множеству вариантов квантизации и формату GGUF, совместимому с экосистемой llama.cpp. Ограничения включают возможное снижение качества у наиболее агрессивно квантизированных вариантов; сведения о размере контекста, архитектурных деталях, результатах тестирования и поддержке других языков в README не приведены. Модель и её варианты распространяются по лицензии Apache-2.0.

Это языковая модель для генерации кода и диалога по инструкциям, опубликованная пользователем tonyxfinance на Hugging Face. По названию и архитектуре она основана на Qwen2.5-Coder-0.5B-Instruct, разработанной командой Qwen; репозиторий модели не содержит подробной карточки о собственном обучении Gensyn Swarm, поэтому его влияние на возможности модели установить нельзя. Модель имеет архитектуру Qwen2 и около 494 млн параметров, принимает текст и генерирует текст. Для исходной модели Qwen2.5-Coder-Instruct заявлен контекст до 32 768 токенов; семейство предназначено для генерации и понимания кода, исправления ошибок и ответов на инструкции. Репозиторий содержит веса Safetensors и использует Transformers. Лицензия для этой конкретной копии в доступных сведениях не установлена.

mlx-community/Qwen2.5-Coder-1.5B-8bit — 8-битная версия модели для генерации текста и кода, подготовленная сообществом mlx-community. README сообщает, что веса преобразованы в формат MLX из Qwen/Qwen2.5-Coder-1.5B с помощью mlx-lm версии 0.18.1; метаданные указывают архитектуру Qwen2, плотную авторегрессионную модель Qwen2ForCausalLM размером 1,5 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации и продолжения кода, а также диалоговой генерации текста. Метаданные отмечают возможности работы с кодом, чатом и интерфейсом вызова инструментов; карточка указывает английский язык. Лицензия — Apache-2.0. README описывает преобразование в MLX, тогда как метаданные указывают файлы Safetensors; особенности запуска и качество могут зависеть от используемой реализации и задачи.

Это дообученная Jongbin-kr модель семейства Qwen2.5-Coder: плотная авторегрессионная языковая модель с 7,1 млрд параметров на базе Qwen2ForCausalLM. Она предназначена для генерации текста в диалоговом формате; пример в карточке показывает ответ на общий вопрос, а название модели указывает на настройку без рассуждений. Модель обучена с помощью TRL и опубликована в формате safetensors; поддерживает контекст до 32 768 токенов. Модель можно применять для диалоговых ответов и генерации текста, включая сценарии, связанные с кодом, хотя карточка не содержит результатов оценки качества или подробного описания специализированных возможностей. Лицензия и явное указание поддерживаемых естественных языков в предоставленных данных отсутствуют.

Nsnshs/qwen2.5-coder-uncensored — дообученная разговорная модель генерации текста на архитектуре Qwen2, основанная на unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit. Разработчик указывает, что обучение проводилось с использованием Unsloth и библиотеки TRL; в репозитории представлены веса Safetensors. Модель предназначена для диалоговой генерации текста и может применяться к задачам, характерным для базовой серии Qwen2.5-Coder, включая помощь с программированием. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и имеет интерфейс вызова инструментов. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает конкретные данные дообучения, качество на задачах программирования или значение пометки «uncensored», поэтому эти свойства нельзя оценить по доступным сведениям.

Theros/Qwen2.5-CyberMix-7B — текстовая генеративная модель, созданная слиянием предобученных языковых моделей с помощью mergekit и метода Model Stock. В качестве базовой использована theros/Qwen2.5-CreativeMix-7B; также в слияние вошли bunnycore/Qevacot-7B-v2 и bunnycore/Qwen2.5-7B-CyberRombos. Модель построена на плотной архитектуре Qwen2.5 с причинным декодером Qwen2ForCausalLM, содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса safetensors; метаданные указывают библиотеку Transformers и возможность чата. Модель подходит для диалогов и генерации текста. README не приводит результатов оценки качества, конкретных сценариев для «Cyber» тематики или списка поддерживаемых языков. Лицензия в предоставленных данных не указана.

Qwen2-72B-Instruct-IMat-GGUF — это набор GGUF-версий инструкционной языковой модели Qwen2-72B-Instruct, опубликованный legraphista и основанный на модели Qwen/Qwen2-72B-Instruct. Модель предназначена для генерации текста и диалоговых сценариев, включая использование в чат-приложениях и локальном inference через совместимые инструменты, в частности llama.cpp. В метаданных указан английский язык; сведения о поддержке других языков, мультимодальности и максимальном размере контекста не приведены. В репозитории доступны варианты от BF16 и FP16 до квантований Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-серий. Часть вариантов создана с использованием IMatrix-калибровки, предназначенной для более эффективного квантования, а некоторые представлены в виде разделённых файлов. Размеры файлов варьируются примерно от 29,81 до 145,42 ГБ, поэтому модель требует значительных ресурсов хранения и вычислений. Ключевая характеристика — 72 миллиарда параметров; точная архитектура и контекстное окно в README не указаны. Сильной стороной является широкий выбор уровней квантования и формат GGUF, удобный для локального запуска, а IMatrix может помогать сохранять качество при уменьшении размера модели. Ограничениями остаются высокая требовательность к памяти и производительности, а также возможная потеря качества в более агрессивных вариантах квантования. Модель распространяется по лицензии tongyi-qianwen; указана лицензия типа other со ссылкой на лицензию исходной модели Qwen2-72B-Instruct.

legraphista/Qwen2-7B-IMat-GGUF — это набор GGUF-квантизованных версий языковой модели Qwen2-7B, разработанной командой Qwen. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp. В репозитории представлены варианты с разной степенью квантизации — от BF16 и FP16 до 1–8-битных форматов, что позволяет выбирать баланс между качеством, размером файла и требованиями к памяти. В метаданных указан английский язык. Квантизация выполнена legraphista с использованием llama.cpp версии b3091. Для ряда низко- и среднебитных вариантов применена IMatrix, предназначенная для улучшения сохранения качества при уменьшении разрядности; для некоторых вариантов доступны статические квантизации без IMatrix. Размер файлов варьируется примерно от 2,60 до 15,24 ГБ. Контекстное окно, точная архитектура базовой модели, мультимодальные возможности и результаты сравнительных тестов в предоставленных данных не указаны. Главное преимущество набора — широкий выбор форматов для запуска модели на оборудовании с различным объёмом памяти и возможность локального использования. Ограничения связаны с компромиссом квантизации: более компактные варианты могут уступать полноточным по качеству, стабильности и точности ответов, однако конкретные потери не измерены. Модель распространяется по лицензии Apache-2.0.

make1love/Qwen3-0.6B-JSON-SFT — текстовая генеративная модель семейства Qwen3, опубликованная в формате Transformers и дообученная методом supervised fine-tuning (SFT). По названию модели она ориентирована на генерацию структурированных ответов в формате JSON, а метаданные также обозначают её как conversational-модель.

mlx-community/Qwen3-14B-4bit — это 4-битная квантованная версия языковой модели Qwen3-14B, разработанная сообществом mlx-community и преобразованная из исходной модели Qwen/Qwen3-14B в формат MLX с использованием mlx-lm 0.24.0. Модель предназначена для генерации текста и запуска на устройствах и в окружениях, совместимых с MLX. Модель ориентирована на задачи текстовой генерации, включая диалоговые сценарии при использовании chat template, поскольку README содержит пример передачи сообщений с ролями user и assistant. Известный размер базовой модели — 14 миллиардов параметров; представление использует 4-битную квантование, что потенциально снижает требования к памяти по сравнению с полной точностью. Данные о поддерживаемых языках, архитектурных деталях, размере контекста, дополнительных модальностях, точности и результатах тестирования не указаны. К сильным сторонам относятся формат MLX, интеграция с библиотекой mlx-lm и уменьшенный объём памяти благодаря 4-битному представлению. Ограничения связаны с отсутствием в README подробных сведений о качестве, производительности, языковом покрытии и совместимости за пределами MLX-окружений. Модель распространяется по лицензии Apache 2.0.

Qwen3-235B-A22B-Instruct-2507-4bit — языковая instruction-модель, разработанная командой Qwen и адаптированная сообществом mlx-community для формата MLX. Модель преобразована из Qwen/Qwen3-235B-A22B-Instruct-2507 с использованием mlx-lm 0.26.0 и предназначена для генерации текста по инструкциям в приложениях, работающих на MLX. В названии указаны общий размер 235B параметров, архитектура MoE с 22B активных параметров и 4-битное квантование, однако эти характеристики в представленном README явно не описаны и основаны только на идентификаторе модели. Поддерживается текстовая генерация; сведения о языках, размере контекста, модальностях, сильных сторонах и ограничениях не приведены. Для использования требуется библиотека mlx-lm и совместимое с MLX окружение. Модель распространяется по лицензии Apache-2.0. README не содержит дополнительных сведений о требованиях к оборудованию, производительности или особенностях применения.

Dohyeon1/Qwen3-30B-A3B-Sub-MoE-ngroups64 — языковая модель с архитектурой Qwen3 MoE, опубликованная пользователем Dohyeon1 на Hugging Face. Карточка модели автоматически сгенерирована и не сообщает подробностей о разработке, назначении или обучении; по метаданным и примерам использования модель поддерживает генерацию текста в диалоговом формате. В метаданных указаны 40 960 токенов контекста и библиотека Transformers. Репозиторий содержит веса Safetensors; на странице Hugging Face отображается размер около 31 млрд параметров, тогда как переданные метаданные каталога указывают 2,6 млрд. Источники не позволяют надёжно установить языки, лицензию, базовую модель или конкретные ограничения, поэтому эти характеристики не уточняются.

Карточка модели localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-kld-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-school-of-reward-hacks-ip-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-school-of-reward-hacks-kld-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-target-only-no-hallucination-kld-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Qwen3-4B-Instruct-2507-Hi-Fi-fraQtl — это квантизированная GGUF-версия Qwen/Qwen3-4B-Instruct-2507, подготовленная fraQtl и опубликованная в сообществе Qualcomm AI Hub. Модель предназначена для генерации текста и работы в сценариях локального запуска на CPU и GPU через llama.cpp; GGUF также совместим с GenieX без изменений. Поддержка выполнения на NPU/Hexagon в README не подтверждена. Модель содержит около 4 млрд параметров и поддерживает контекст до 262 144 токенов. Доступны варианты Hi-Fi Q4_K_M-класса размером 2,50 ГБ и Q4_0 размером 2,38 ГБ. Квантизация выполнена с учётом калибровки методом fraQtl code+math imatrix; заявлены более низкое расхождение с исходными весами по сравнению с рядом других сборок Q4_K_M и успешное извлечение контрольных данных на полном контексте. Архитектура, перечень языков и поддерживаемые модальности в README отдельно не указаны. Сильными сторонами являются компактный размер, возможность локального запуска, сохранение качества после квантизации и проверенная работа с длинным контекстом. Ограничения включают отсутствие подтверждённого ускорения на Hexagon NPU, а также отсутствие подробных данных о языковых возможностях и качестве на прикладных задачах. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.